Jupyter Book中排除特定笔记本执行的配置方法
2025-06-17 01:33:10作者:明树来
在构建Jupyter Book项目时,开发者经常会遇到需要排除某些笔记本执行的情况。这些笔记本可能包含耗时较长的计算过程,或者需要特殊环境配置才能正常运行。本文将详细介绍如何在Jupyter Book配置中正确设置排除模式,以避免不必要的笔记本执行。
排除模式的基本配置
Jupyter Book提供了exclude_patterns配置项,允许用户指定不需要执行的笔记本模式。这个配置项位于项目的_config.yml文件中,其基本语法如下:
exclude_patterns: [] # 用于跳过执行的模式列表(例如耗时很长的笔记本)
常见配置误区
许多开发者初次使用时容易犯一个典型错误:试图在模式中包含完整的文件路径。例如,对于位于ch01/notebook1.ipynb的笔记本,开发者可能会尝试这样配置:
exclude_patterns: ['ch01/noteb*'] # 这种写法不会生效
这种配置方式实际上不会产生预期效果,因为Jupyter Book的模式匹配是针对文件名而非完整路径的。
正确的配置方式
要实现有效的排除,应该仅针对文件名部分进行模式匹配。对于上述例子,正确的配置应该是:
exclude_patterns: ['noteb*'] # 这种写法能够正确匹配
高级匹配技巧
- 通配符使用:可以使用
*作为通配符,匹配任意字符序列 - 多模式排除:可以同时指定多个排除模式
- 精确匹配:对于特定文件可以直接使用完整文件名
示例配置:
exclude_patterns:
- 'long_running_*.ipynb'
- 'experiment_*.ipynb'
- 'special_case.ipynb'
实际应用建议
- 在项目初期就规划好哪些笔记本需要排除执行
- 为需要排除的笔记本建立统一的命名规范
- 在团队协作时,确保所有成员了解排除配置的规则
- 定期检查排除列表,确保不会意外排除需要执行的笔记本
通过正确使用exclude_patterns配置,开发者可以更高效地管理Jupyter Book项目的构建过程,避免不必要的执行时间消耗,同时确保所有内容都能正确呈现在最终生成的文档中。
登录后查看全文
热门项目推荐
相关项目推荐
kernelopenEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。C033
Kimi-K2-ThinkingKimi K2 Thinking 是最新、性能最强的开源思维模型。从 Kimi K2 开始,我们将其打造为能够逐步推理并动态调用工具的思维智能体。通过显著提升多步推理深度,并在 200–300 次连续调用中保持稳定的工具使用能力,它在 Humanity's Last Exam (HLE)、BrowseComp 等基准测试中树立了新的技术标杆。同时,K2 Thinking 是原生 INT4 量化模型,具备 256k 上下文窗口,实现了推理延迟和 GPU 内存占用的无损降低。Python00
kylin-wayland-compositorkylin-wayland-compositor或kylin-wlcom(以下简称kywc)是一个基于wlroots编写的wayland合成器。 目前积极开发中,并作为默认显示服务器随openKylin系统发布。 该项目使用开源协议GPL-1.0-or-later,项目中来源于其他开源项目的文件或代码片段遵守原开源协议要求。C00
HunyuanOCRHunyuanOCR 是基于混元原生多模态架构打造的领先端到端 OCR 专家级视觉语言模型。它采用仅 10 亿参数的轻量化设计,在业界多项基准测试中取得了当前最佳性能。该模型不仅精通复杂多语言文档解析,还在文本检测与识别、开放域信息抽取、视频字幕提取及图片翻译等实际应用场景中表现卓越。00
GLM-4.7GLM-4.7上线并开源。新版本面向Coding场景强化了编码能力、长程任务规划与工具协同,并在多项主流公开基准测试中取得开源模型中的领先表现。 目前,GLM-4.7已通过BigModel.cn提供API,并在z.ai全栈开发模式中上线Skills模块,支持多模态任务的统一规划与协作。Jinja00
GLM-TTSGLM-TTS 是一款基于大语言模型的高质量文本转语音(TTS)合成系统,支持零样本语音克隆和流式推理。该系统采用两阶段架构,结合了用于语音 token 生成的大语言模型(LLM)和用于波形合成的流匹配(Flow Matching)模型。 通过引入多奖励强化学习框架,GLM-TTS 显著提升了合成语音的表现力,相比传统 TTS 系统实现了更自然的情感控制。Python00
Spark-Formalizer-X1-7BSpark-Formalizer 是由科大讯飞团队开发的专用大型语言模型,专注于数学自动形式化任务。该模型擅长将自然语言数学问题转化为精确的 Lean4 形式化语句,在形式化语句生成方面达到了业界领先水平。Python00
项目优选
收起
deepin linux kernel
C
26
10
OpenHarmony documentation | OpenHarmony开发者文档
Dockerfile
427
3.28 K
本项目是CANN提供的数学类基础计算算子库,实现网络在NPU上加速计算。
C++
689
343
Ascend Extension for PyTorch
Python
235
267
暂无简介
Dart
686
161
Nop Platform 2.0是基于可逆计算理论实现的采用面向语言编程范式的新一代低代码开发平台,包含基于全新原理从零开始研发的GraphQL引擎、ORM引擎、工作流引擎、报表引擎、规则引擎、批处理引引擎等完整设计。nop-entropy是它的后端部分,采用java语言实现,可选择集成Spring框架或者Quarkus框架。中小企业可以免费商用
Java
9
1
React Native鸿蒙化仓库
JavaScript
266
327
openEuler内核是openEuler操作系统的核心,既是系统性能与稳定性的基石,也是连接处理器、设备与服务的桥梁。
C
56
33
🔥LeetCode solutions in any programming language | 多种编程语言实现 LeetCode、《剑指 Offer(第 2 版)》、《程序员面试金典(第 6 版)》题解
Java
65
19
🎉 (RuoYi)官方仓库 基于SpringBoot,Spring Security,JWT,Vue3 & Vite、Element Plus 的前后端分离权限管理系统
Vue
1.22 K
669